0) { for (i = 0; i < cbs.length; i++) { cbs[i](); } } }); return { then: function(cb) { cb && (loaded ? cb() : (cbs.push(cb))); } }; })(); })(); (function() { window.throttle = function(func, wait) { var args, result, thisArg, timeoutId, lastCalled = 0; function trailingCall() { lastCalled = new Date; timeoutId = null; result = func.apply(thisArg, args); } return function() { var now = new Date, remaining = wait - (now - lastCalled); args = arguments; thisArg = this; if (remaining <= 0) { clearTimeout(timeoutId); timeoutId = null; lastCalled = now; result = func.apply(thisArg, args); } else if (!timeoutId) { timeoutId = setTimeout(trailingCall, remaining); } return result; }; }; })(); (function() { var Set = (function() { var add = function(item) { var i, data = this._data; for (i = 0; i < data.length; i++) { if (data[i] === item) { return; } } this.size ++; data.push(item); return data; }; var Set = function(data) { this.size = 0; this._data = []; var i; if (data.length > 0) { for (i = 0; i < data.length; i++) { add.call(this, data[i]); } } }; Set.prototype.add = add; Set.prototype.get = function(index) { return this._data[index]; }; Set.prototype.has = function(item) { var i, data = this._data; for (i = 0; i < data.length; i++) { if (this.get(i) === item) { return true; } } return false; }; Set.prototype.is = function(map) { if (map._data.length !== this._data.length) { return false; } var i, j, flag, tData = this._data, mData = map._data; for (i = 0; i < tData.length; i++) { for (flag = false, j = 0; j < mData.length; j++) { if (tData[i] === mData[j]) { flag = true; break; } } if (!flag) { return false; } } return true; }; Set.prototype.values = function() { return this._data; }; return Set; })(); window.Lazyload = (function(doc) { var queue = {js: [], css: []}, sources = {js: {}, css: {}}, context = this; var createNode = function(name, attrs) { var node = doc.createElement(name), attr; for (attr in attrs) { if (attrs.hasOwnProperty(attr)) { node.setAttribute(attr, attrs[attr]); } } return node; }; var end = function(type, url) { var s, q, qi, cbs, i, j, cur, val, flag; if (type === 'js' || type ==='css') { s = sources[type], q = queue[type]; s[url] = true; for (i = 0; i < q.length; i++) { cur = q[i]; if (cur.urls.has(url)) { qi = cur, val = qi.urls.values(); qi && (cbs = qi.callbacks); for (flag = true, j = 0; j < val.length; j++) { cur = val[j]; if (!s[cur]) { flag = false; } } if (flag && cbs && cbs.length > 0) { for (j = 0; j < cbs.length; j++) { cbs[j].call(context); } qi.load = true; } } } } }; var load = function(type, urls, callback) { var s, q, qi, node, i, cur, _urls = typeof urls === 'string' ? new Set([urls]) : new Set(urls), val, url; if (type === 'js' || type ==='css') { s = sources[type], q = queue[type]; for (i = 0; i < q.length; i++) { cur = q[i]; if (_urls.is(cur.urls)) { qi = cur; break; } } val = _urls.values(); if (qi) { callback && (qi.load || qi.callbacks.push(callback)); callback && (qi.load && callback()); } else { q.push({ urls: _urls, callbacks: callback ? [callback] : [], load: false }); for (i = 0; i < val.length; i++) { node = null, url = val[i]; if (s[url] === undefined) { (type === 'js' ) && (node = createNode('script', { src: url })); (type === 'css') && (node = createNode('link', { rel: 'stylesheet', href: url })); if (node) { node.onload = (function(type, url) { return function() { end(type, url); }; })(type, url); (doc.head || doc.body).appendChild(node); s[url] = false; } } } } } }; return { js: function(url, callback) { load('js', url, callback); }, css: function(url, callback) { load('css', url, callback); } }; })(this.document); })();
Edit on GitHub
  • John Snow Labs
  • Jun 17, 2023

Pipeline to Detect Living Species(w2v_cc_300d)

  • es
  • ner
  • clinical
  • licensed

Description

This pretrained pipeline is built on the top of ner_living_species model.

Predicted Entities

Copy S3 URI

How to use

from sparknlp.pretrained import PretrainedPipeline

pipeline = PretrainedPipeline("ner_living_species_pipeline", "es", "clinical/models")

text = '''Lactante varón de dos años. Antecedentes familiares sin interés. Antecedentes personales: Embarazo, parto y periodo neonatal normal. En seguimiento por alergia a legumbres, diagnosticado con diez meses por reacción urticarial generalizada con lentejas y garbanzos, con dieta de exclusión a legumbres desde entonces. En ésta visita la madre describe episodios de eritema en zona maxilar derecha con afectación ocular ipsilateral que se resuelve en horas tras la administración de corticoides. Le ha ocurrido en 5-6 ocasiones, en relación con la ingesta de alimentos previamente tolerados. Exploración complementaria: Cacahuete, ac(ige)19.2 Ku.arb/l. Resultados: Ante la sospecha clínica de Síndrome de Frey, se tranquiliza a los padres, explicándoles la naturaleza del cuadro y se cita para revisión anual.'''

result = pipeline.fullAnnotate(text)

import com.johnsnowlabs.nlp.pretrained.PretrainedPipeline

val pipeline = new PretrainedPipeline("ner_living_species_pipeline", "es", "clinical/models")

val text = "Lactante varón de dos años. Antecedentes familiares sin interés. Antecedentes personales: Embarazo, parto y periodo neonatal normal. En seguimiento por alergia a legumbres, diagnosticado con diez meses por reacción urticarial generalizada con lentejas y garbanzos, con dieta de exclusión a legumbres desde entonces. En ésta visita la madre describe episodios de eritema en zona maxilar derecha con afectación ocular ipsilateral que se resuelve en horas tras la administración de corticoides. Le ha ocurrido en 5-6 ocasiones, en relación con la ingesta de alimentos previamente tolerados. Exploración complementaria: Cacahuete, ac(ige)19.2 Ku.arb/l. Resultados: Ante la sospecha clínica de Síndrome de Frey, se tranquiliza a los padres, explicándoles la naturaleza del cuadro y se cita para revisión anual."

val result = pipeline.fullAnnotate(text)

from sparknlp.pretrained import PretrainedPipeline

pipeline = PretrainedPipeline("ner_living_species_pipeline", "es", "clinical/models")

text = '''Lactante varón de dos años. Antecedentes familiares sin interés. Antecedentes personales: Embarazo, parto y periodo neonatal normal. En seguimiento por alergia a legumbres, diagnosticado con diez meses por reacción urticarial generalizada con lentejas y garbanzos, con dieta de exclusión a legumbres desde entonces. En ésta visita la madre describe episodios de eritema en zona maxilar derecha con afectación ocular ipsilateral que se resuelve en horas tras la administración de corticoides. Le ha ocurrido en 5-6 ocasiones, en relación con la ingesta de alimentos previamente tolerados. Exploración complementaria: Cacahuete, ac(ige)19.2 Ku.arb/l. Resultados: Ante la sospecha clínica de Síndrome de Frey, se tranquiliza a los padres, explicándoles la naturaleza del cuadro y se cita para revisión anual.'''

result = pipeline.fullAnnotate(text)

Results

|    | ner_chunks     |   begin |   end | ner_label   |   confidence |
|---:|:---------------|--------:|------:|:------------|-------------:|
|  0 | Lactante varón |       0 |    13 | HUMAN       |       0.9926 |
|  1 | familiares     |      41 |    50 | HUMAN       |       0.9994 |
|  2 | personales     |      78 |    87 | HUMAN       |       0.9987 |
|  3 | neonatal       |     116 |   123 | HUMAN       |       0.9731 |
|  4 | legumbres      |     162 |   170 | SPECIES     |       0.9978 |
|  5 | lentejas       |     243 |   250 | SPECIES     |       0.9995 |
|  6 | garbanzos      |     254 |   262 | SPECIES     |       0.9933 |
|  7 | legumbres      |     290 |   298 | SPECIES     |       0.9991 |
|  8 | madre          |     334 |   338 | HUMAN       |       0.9997 |
|  9 | Cacahuete      |     616 |   624 | SPECIES     |       0.9998 |
| 10 | padres         |     728 |   733 | HUMAN       |       0.9992 |

Model Information

Model Name: ner_living_species_pipeline
Type: pipeline
Compatibility: Healthcare NLP 4.4.4+
License: Licensed
Edition: Official
Language: es
Size: 1.3 GB

Included Models

  • DocumentAssembler
  • SentenceDetectorDLModel
  • TokenizerModel
  • WordEmbeddingsModel
  • MedicalNerModel
  • NerConverterInternalModel